Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CICLO : III
SEMESTRE ACADEMICO : 2021-2
UNIVERSIDAD PRIVADASANJUANBAUTISTA
FACULTAD DE CIENCIAS DE LASALUD
ESCUELAPROFESIONALDEMEDICINAHUMANA
“Dr. Wilfredo ErwinGardini Tuesta”
ACREDITADAPORSINEACE
REACREDITADAINTERNACIONALMENTEPORRIEV
SESIÓN 11
REGRESIÓN LINEAL SIMPLE Y CORRELACIÓN: COEFICIENTE DE
CORRELACIÓN DE PEARSON, COEFICIENTE DE CORRELACIÓN
DE SPEARMAN.
Ventajas:
El valor de coeficiente de correlación es
independiente de cualquier unidad usada
para medir variables.
Mientras mas grande es la muestra mas
exacta será la estimación.
Desventajas:
• Requiere supuestos acerca de la naturaleza
o formas de las poblaciones afectadas.
• Requiere que las dos variables hayan ido
medidas hasta un nivel cuantitativo continuo
y que la distribución de ambas sea semejante
a la de la curva normal.
Usos de Coeficiente de Correlación de Pearson
INTRODUCCIÓN
El coeficiente de correlación de Spearman es una medida de la correlación
(asociación o interdependencia) entre dos variables aleatorias continuas. Para
calcularlo los datos son ordenados y reemplazados por su respectivo orden.
El coeficiente de correlación de Spearman, al igual que el de Pearson, muestra
una asociación entre variables.
A diferencia del anterior, permite obtener un coeficiente de asociación ente
variables que no se comportan normalmente, entre variables ordinales.
Se calcula en base a una serie de rangos asignados. Tal como en Pearson, los
valores van de -1 a 1, siendo 0 el valor que indica no correlación, y los signos
indican correlación directa e inversa.
Coeficiente de Correlación de Spearman
El estadístico ρviene dado por la expresión:
Ventajas:
No esta afectada por los cambios en las
unidades de medida.
Al ser una técnica no paramétrica, es libre de
distribución probabilística.
Desventajas:
• Es recomendable usarlo cuando los datos
presentan valores extremos, ya que en dichos
valores afectan mucho el coeficiente de
correlación de Pearson o ante distribución no
normales.
• R no debe ser utilizado para decir algo sobre la
relación entre causa y efecto.
Diagrama de Resumen
Aplicación:
Una característica de la asociación como dela correlación es que ambas variables
son aleatorias quiere decir que la distribución no la conocemos hasta la recolección
de los datos.
En el siguiente ejemplo veremos a 100 mujeres a quien se le evaluó la hemoglobina
durante la gestación y también se evaluó el peso de su recién nacido con la
finalidad de conocer si el valor de la hemoglobina de la madre esta relacionada con
el peso del recién nacido.
Debemos entender que la asociación como la correlación son formas de relacionar,
para este ejemplo aplicaremos la correlación, aunque también podríamos
determinar la asociación para ello tendríamos que categorizar ambas variables.
De la tabla de los coeficientes vemos que b= 0.990 es distinto de cero por lo que
parece que hay una relación lineal. Además es positivo por lo que la relación es
directa.
El valor de F =759,928 tiene un P_valor igual a 0 < 0,05 por lo que rechazamos la
hipótesis nula y concluimos que la dependencia lineal es estadísticamente
significativa. Por lo tanto el modelo es adecuado.
Consideraciones en las Pruebas de Hipótesis
DESARROLLAR
LA PRACTICA 11.